Metodologia de apoio à operação de sistemas elétricos de potência baseada em identificação de sistemas com aplicação em aprendizado de máquina

Orientador: Prof. Dr. Ricardo SchumacherCoorientador: Prof. Dr. Alexandre Rasi AokiDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa : Curitiba, 22/02/2022Inclui referências: p. 97-102Resumo: A entrada em vigência do sub-modulo 11.8 dos Procedimentos de Rede do Operador Nacional do Sistema (ONS), estabelecendo requisitos mínimos para Phasorpoint Measurement Units (PMUs) e Sistemas de Medição Sincrofasorial (SMSF), impulsionou investimentos de agentes do setor elétrico para adequação a regulação e a ampliação do parque instalado de PMUs. A disponibilidade de dados do sistema, sincronizados por GPS e com taxas de ate uma amostra por ciclo, confere visibilidade ate então restrita a dispositivos dedicados e com janelas de dados limitadas a curtos espaços de tempo. Este trabalho tem como objetivo desenvolver técnicas de processamento e tratamento de dados disponíveis em PMUs de um sistema elétrico de grande porte, utilizando sincrofasores armazenados por um sistema real, técnicas de pre-processamento clássicas, como filtros digitais e redução das amostras, as quais são combinadas com ferramentas de identificação de sistemas de forma a modelar o comportamento do sistema elétrico de potencia representado pelos dados analisados. Destaca-se entre os algoritmos utilizados o emprego de uma variação recursiva do método dos mínimos quadrados contendo recursos de regularização e robustez. Uma adaptação no emprego de diagramas de estabilização e associada as técnicas anteriores completando uma etapa de identificação modal, provendo uma melhor percepção dos modos eletromecânicos do sistema elétrico. Como prova de conceito e aplicado um algoritmo de aprendizado de maquina, da classe de aprendizado não supervisionado, denominada detecção de anomalias, a fim de identificar perturbações sistêmicas. A proposta de tratamento dos dados foi testada e validada com um sistema de referencia e utilizada na analise de dados armazenados em um SMSF instalado em um sistema elétrico de potencia real, em regime normal e sob falta. Nas condições de falta buscou-se verificar se o método e capaz de identificar anormalidades na rede elétrica. Os resultados obtidos indicam o potencial da aplicação na identificação modal, referendada através de um sistema de referencia e com resultados consistentes com a literatura existente a respeito de sistemas reais, como os utilizados nos testes. Embora promissores, os testes de detecção de perturbações necessitam de avaliações adicionais, tendo em vista a limitação de eventos anômalos disponíveis para teste, que condicionaram os ensaios a um conjunto pequeno de situações coletadas pelo sistema utilizado no trabalho. A utilização de analise modal nos casos de aplicação aqui explorados representa uma alternativa de monitoramento do sistema, agregando a analise de estabilidade e estimação de modos eletromecânicos a possibilidade de identificar anormalidades associadas a estes, presentes nos dados sincrofasoriais.Abstract: The introduction in January, 1th 2017 of a new regulation towards synchronized phasor measuremente units requirements for the brazilian grid brought along new investments to the electric system so the new obligations were complied with. A whole set of data available at high sampling rates and GPS synchronized ensures insigths on the systems only available at intelligent electronic devices and protectiv relays, at limited time windows. This study aimed at deepening the knowledge about synchronized phasor measurement systems applications through treatment and processing techniques of synchro phasors data available in real wide area measurement systems. Based on data stored, classic preprocessing techniques, such as digital filters and downsampling, combined with system identification and machine learning methods are applied to characterize electromechanical modes in actual electric power systems, represented by the analyzed data. Among the algorithms employed in this study a variation of the recursive least squares, with regularized robust features stands out. Furthermore, an adaption of the stabilization diagram method is used in association with the previous techniques and complements the electromechanical modes identification step, when a better comprehension of these modes is attained. Finally, an unsupervised learning technique for novelty detection is used. The proposed method was tested with a set of a reference system data and another set involving data available at a real synchrophasor measurement system, representing ambient data of an actual electric power system. Both normal and fault condition gathered data were checked, not only for electromechanical modes, but fault classification as well. The results indicate that the proposed techniques are promising and efficient tools in the identification of real and simulated systems electromechanical modes. Though encouraging, the anomaly detection tests need further studies as the real data available limited the fault identification to a restricted set of events and a broader range of system faults would better assert the validity of the methods for electrical system malfunction diagnostics. The proposed approached with electromechanical mode analysis is an alternative to system monitoring, not only for power system stability and control purposes but to fault detection as well